A) Geração de números aleatórios B) Resolver equações C) Minimizar ou maximizar uma função objetivo D) Contagem de números primos
A) A fórmula matemática B) O resultado final C) Limitação das soluções possíveis D) O palpite inicial
A) Minimização B) Simplificação C) Maximização D) Randomização
A) O conjunto de todas as soluções viáveis B) A área fora dos condicionalismos C) A região com o valor máximo D) O espaço de solução
A) Uma solução sem restrições B) Uma solução incorrecta C) Uma solução aleatória D) Uma solução que satisfaz todas as restrições
A) Uma operação matemática aleatória B) Uma equação sem variáveis C) Uma função de restrição D) Função a ser optimizada ou minimizada
A) Recozimento simulado B) Adivinhar e verificar C) Tentativa e erro D) Método Simplex
A) Gera soluções aleatórias B) Avalia o impacto das alterações dos parâmetros na solução C) Encontra o ótimo global D) Seleciona o melhor algoritmo
A) Programação matemática B) Projeto de algoritmos C) Maximização de funções D) Análise quantitativa
A) Uma: otimização geral. B) Três: programação linear, programação não linear e programação inteira. C) Quatro: otimização combinatória, otimização estocástica, otimização dinâmica e otimização robusta. D) Duas: otimização discreta e otimização contínua.
A) Programação não linear B) Otimização discreta C) Programação linear D) Otimização contínua
A) Programação inteira B) Otimização discreta C) Otimização contínua D) Otimização combinatória
A) Otimização global B) Otimização local C) Matemática discreta D) Programação linear
A) 3 B) 1 C) 5 D) 4
A) x = 1 B) x = -1 C) x = ∞ D) x = 0
A) Sim, é infinito. B) Não, ela não tem limite superior. C) Sim, é menos infinito. D) Sim, é 2.
A) George B. Dantzig B) Fermat C) Leonid Kantorovich D) John von Neumann
A) 1947 B) 1939 C) 1960 D) 1950
A) Variáveis contínuas. B) Matrizes semidefinidas. C) Variáveis discretas. D) Variáveis binárias.
A) Aumenta a complexidade. B) Simplifica o problema. C) Reduz o número de soluções. D) Elimina os compromissos (trade-offs).
A) Subótimo B) Ótimo de Pareto C) Inferior D) Ineficiente
A) O algoritmo de otimização B) O projetista do sistema C) Um avaliador externo D) O tomador de decisão
A) Automaticamente, pelo próprio algoritmo. B) Por meio da análise de dados históricos. C) Através de sessões interativas com o tomador de decisão. D) Ignorando os objetivos de menor importância.
A) Otimização multimodada. B) O problema de existência. C) Otimização global. D) O problema de viabilidade.
A) Condições de viabilidade B) As condições de Karush-Kuhn-Tucker C) Condições de segunda ordem D) Condições de primeira ordem
A) Relaxamento lagrangiano. B) Métodos de ponto interior. C) Regiões de confiança. D) Buscas ao longo de linhas.
A) Estimativa de momento positivo-negativo. B) Relaxamento lagrangiano. C) Regiões de confiança. D) Buscas diretas (ou métodos de busca linear).
A) Método da elipsoide B) Métodos do ponto interior C) Aproximação estocástica por perturbação simultânea (SPSA) D) Algoritmos de otimização quântica
A) Descida do gradiente B) Aproximação estocástica por perturbação simultânea C) Métodos de descida coordenada D) Métodos quase-newtonianos
A) Cosmologia e astrofísica. B) Microeconomia. C) Engenharia, especialmente engenharia aeroespacial. D) Engenharia elétrica.
A) Engenharia de controle B) Modelagem molecular C) Pesquisa operacional D) Engenharia civil |